一种对免疫层析弱信号高灵敏检测的图像增强方法及系统

1.本发明涉及免疫层析检测技术与数字图像处理领域，更具体涉及一种对免疫层析弱信号高灵敏检测的图像增强方法。

背景技术：

2.免疫层析法(immunochromatography)的原理是将特异的抗体预先固定于硝酸纤维素膜上的特定区域，当干燥的硝酸纤维素膜一端浸入样品后，样品受毛细管作用沿着该膜向另一端移动，当移动至固定有抗体的区域时，样品中相应的抗原即与该抗体发生特异性结合，若用免疫胶体金或免疫酶染可使该区域显示一定的颜，从而实现特异性的免疫诊断。
3.现有技术基于胶体金纳米探针的免疫层析技术的检测灵敏度一直存在严重不足。近年来，通过制备复合量子点纳米探针增强检测信号强度的免疫层析技术得到快速的发展，但在信号读取端由于滤光片产生的光通量损失与漫反射光干扰的影响因素，使得量子点免疫层析用于低浓度样本的检测效果不稳定，产生较多的漏检与误判。
4.公开号为cn101493460a的发明专利申请公开了一种荧光微球免疫层析试纸条的制备方法及定量检测方法，提供了通过光电倍增管增强荧光信号进行待测物浓度识别的方法，但是基于颜进行试纸条制备的情况下其他光线必然会对检测结果产生影响，而该方法中未考虑如何滤除其他光线的影响，因此并不能提供准确的高灵敏度检测方法。

技术实现要素：

5.本发明所要解决的技术问题在于现有免疫层析技术准确率和灵敏度不高的问题。
6.本发明通过以下技术手段实现解决上述技术问题的：一种对免疫层析弱信号高灵敏检测的图像增强方法，所述方法包括：
7.图像照度估算，将荧光量子点免疫层析试纸条的数字图像沿试纸条纵向进行投影并采用基向量分解函数求解出照度图像；
8.信号增强，将数字图像分离为r、g、b三个通道图像，去除每个通道的照度图像，获得每个通道的荧光信号图像，对三个通道的荧光信号图像进行处理并融合得到增强的荧光强度图像；
9.强度计算，对增强的荧光强度图像进行投影，读取投影曲线的峰值，获取试纸条的质控线c线以及检测线t线的荧光强度值，根据t线预测样本的浓度。
10.有益效果：本发明通过对免疫层析试纸条的数字图像进行图像照度估算，快速分解出照度图像，然后将数字图像分离为r、g、b三个通道图像，去除每个通道的照度图像，获得每个通道的荧光信号图像，对其处理并融合得到增强的荧光强度图像，然后利用增强的荧光强度图像获取试纸条的质控线和检测线，由于对荧光强度图像进行了增强，对于低浓度样本也能够快速准确的检测量子点免疫层析信号的强度，灵敏度高。
11.进一步地，所述图像照度估算之前还包括图像关系分析，图像关系分析过程为：
12.采集荧光量子点免疫层析试纸条的数字图像，获取数字图像与照度图像及荧光信号图像的关系
13.f(x，y)＝r(x，y)
·
l(x，y)
14.变形得到
[0015][0016]
其中，荧光强度图像r(x，y)为量子点的激发光信息，即荧光强度的真实属性，照度图像l(x，y)为荧光的反射光与入射的蓝绿光产生的漫反射光信息，为图像的动态干扰信息。
[0017]
更进一步地，所述图像照度估算的过程为：
[0018]
s21、试纸条图像中光照强度沿硝酸纤维素膜纵向线性分布，故将图像沿纵向进行投影能够得到图像的亮度分布，其中，投影变换公式为
[0019][0020]
式中，proj(y)为投影向量，f(x，y)为原始的数字图像，w为f(x，y)的高度；
[0021]
s22、通过公式计算初始基线向量，式中，s为平滑步长；
[0022]
s23、通过公式max_dis＝maximum(basel1(y)-proj(y))计算初始基线向量与投影向量的最大负距离，式中，maximum()为取最大值函数；
[0023]
s24、平移basel1(y)得到basel2(y)：
[0024]
basel2(y)＝basel1(y)-max_dis
[0025]
s25、令b表示basel1(y)到basel2(y)的计算过程，则：
[0026]
basel(y)＝itern(b)
[0027]
式中，itern()表示迭代计算函数，n为迭代次数；
[0028]
s26、通过公式计算分解向量；
[0029]
s27、根据basel(y)对原始的数字图像f(x，y)进行分解，获得滤除了检测线和质控线的照度图像l(x，y)＝f(x，y)*pbd(y)。
[0030]
更进一步地，所述信号增强的过程为：
[0031]
将原始的数字图像f(x，y)分离为r、g、b三个通道图像，分别将每一个通道图像输入到构建好的pbd函数，获得照明图lr(x，y)、lg(x，y)和lb(x，y)，其中，构建好的pbd函数运算过程是图像照度估算的运算过程；根据图像关系分析可得
[0032][0033]
双边取对数，可得
[0034][0035]rr
(x，y)、rg(x，y)和rb(x，y)分别为三个通道复原的信号图，将其从对数域转换到实数域得到rr(x，y)、rg(x，y)和rb(x，y)，然后融合得到增强的荧光强度图像r(x，y)。
[0036]
更进一步地，所述强度计算的过程为：
[0037]
将还原得到的荧光强度图像r(x，y)沿着试纸条层析方向进行投影，得到投影曲线与投影向量p(i)，i为层析方向图像的长度坐标；
[0038]
求取投影向量p(i)的一阶导数p
′
(i)，提取p
′
(i)中两对“波峰-波谷”之间的零点i1和i2，提取对应的峰值p(i1)和p(i2)，将其中较大的值作为质控线c线的荧光强度值，较小的值作为检测线t线的荧光强度值；根据t线的荧光强度值对样本中病原微生物的浓度进行回归预测。
[0039]
本发明还提供一种对免疫层析弱信号高灵敏检测的图像增强系统，所述系统包括：
[0040]
图像照度估算模块，用于将荧光量子点免疫层析试纸条的数字图像沿试纸条纵向进行投影并采用基向量分解函数求解出照度图像；
[0041]
信号增强模块，用于将数字图像分离为r、g、b三个通道图像，去除每个通道的照度图像，获得每个通道的荧光信号图像，对三个通道的荧光信号图像进行处理并融合得到增强的荧光强度图像；
[0042]
强度计算模块，用于对增强的荧光强度图像进行投影，读取投影曲线的峰值，获取试纸条的质控线c线以及检测线t线的荧光强度值，根据t线预测样本的浓度。
[0043]
进一步地，所述图像照度估算模块之前还包括图像关系分析模块，图像关系分析模块用于：
[0044]
采集荧光量子点免疫层析试纸条的数字图像，获取数字图像与照度图像及荧光信号图像的关系
[0045]
f(x，y)＝r(x，y)
·
l(x，y)
[0046]
变形得到
[0047][0048]
其中，荧光强度图像r(x，y)为量子点的激发光信息，即荧光强度的真实属性，照度图像l(x，y)为荧光的反射光与入射的蓝绿光产生的漫反射光信息，为图像的动态干扰信息。
[0049]
更进一步地，所述图像照度估算模块，还用于：
[0050]
s21、试纸条图像中光照强度沿硝酸纤维素膜纵向线性分布，故将图像沿纵向进行投影能够得到图像的亮度分布，其中，投影变换公式为
[0051]
[0052]
式中，proj(y)为投影向量，f(x，y)为原始的数字图像，w为f(x，y)的高度；
[0053]
s22、通过公式计算初始基线向量，式中，s为平滑步长；
[0054]
s23、通过公式max_dis＝maximum(basel1(y)-proj(y))计算初始基线向量与投影向量的最大负距离，式中，maximum()为取最大值函数；
[0055]
s24、平移basel1(y)得到basel2(y)：
[0056]
basel2(y)＝basel1(y)-max_dis
[0057]
s25、令b表示basel1(y)到basel2(y)的计算过程，则：
[0058]
basel(y)＝itern(b)
[0059]
式中，itern()表示迭代计算函数，n为迭代次数；
[0060]
s26、通过公式计算分解向量；
[0061]
s27、根据basel(y)对原始的数字图像f(x，y)进行分解，获得滤除了检测线和质控线的照度图像l(x，y)＝f(x，y)*pbd(y)。
[0062]
更进一步地，所述信号增强模块，还用于：
[0063]
将原始的数字图像f(x，y)分离为r、g、b三个通道图像，分别将每一个通道图像输入到构建好的pbd函数，获得照明图lr(x，y)、lg(x，y)和lb(x，y)，其中，构建好的pbd函数运算过程是图像照度估算的运算过程；根据图像关系分析可得
[0064][0065]
双边取对数，可得
[0066][0067]rr
(x，y)、rg(x，y)和rb(x，y)分别为三个通道复原的信号图，将其从对数域转换到实数域得到rr(x，y)、rg(x，y)和rb(x，y)，然后融合得到增强的荧光强度图像r(x，y)。
[0068]
更进一步地，所述强度计算模块，还用于：
[0069]
将还原得到的荧光强度图像r(x，y)沿着试纸条层析方向进行投影，得到投影曲线与投影向量p(i)，i为层析方向图像的长度坐标；
[0070]
求取投影向量p(i)的一阶导数p
′
(i)，提取p
′
(i)中两对“波峰-波谷”之间的零点i1和i2，提取对应的峰值p(i1)和p(i2)，将其中较大的值作为质控线c线的荧光强度值，较小的值作为检测线t线的荧光强度值；根据t线的荧光强度值对样本中病原微生物的浓度进行回归预测。
[0071]
本发明的优点在于：
[0072]
(1)通过对免疫层析试纸条的数字图像进行图像照度估算，快速分解出照度图像，然后将数字图像分离为r、g、b三个通道图像，去除每个通道的照度图像，获得每个通道的荧光信号图像，对其处理并融合得到增强的荧光强度图像，然后利用增强的荧光强度图像获
取试纸条的质控线和检测线，由于对荧光强度图像进行了增强，对于低浓度样本也能够快速准确的检测量子点免疫层析信号的强度，灵敏度高。
[0073]
(2)本发明的算法可以降低荧光信号与图像背景噪声的对比度，提高弱荧光信号的肉眼及机器辨识度。
[0074]
(3)本发明的算法可以替代滤光片，避免了滤光片带来的光通量损失，并能够保持亮度梯度。
附图说明
[0075]
图1为本发明实施例1所公开的一种对免疫层析弱信号高灵敏检测的图像增强方法的流程图；
[0076]
图2为本发明实施例1所公开的一种对免疫层析弱信号高灵敏检测的图像增强方法中原始的试纸条图像；
[0077]
图3为本发明实施例1所公开的一种对免疫层析弱信号高灵敏检测的图像增强方法中试纸条号图像的增强效果示意图；
[0078]
图4为本发明实施例1所公开的一种对免疫层析弱信号高灵敏检测的图像增强方法中荧光强度图像增强前后的信号投影曲线对比示意图。
具体实施方式
[0079]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0080]
实施例1
[0081]
如图1所示，一种对免疫层析弱信号高灵敏检测的图像增强方法，所述方法包括：
[0082]
s1、图像关系分析，采集荧光量子点免疫层析试纸条的数字图像，获取数字图像与照度图像及荧光信号图像的关系；所述试纸条为基于cdse元素各量子点的免疫层析试纸条，原始的试纸条图像如图2所示。图像关系分析具体过程为：
[0083]
采集荧光量子点免疫层析试纸条的数字图像，获取数字图像与照度图像及荧光信号图像的关系
[0084]
f(x，y)＝r(x，y)
·
l(x，y)
[0085]
变形得到
[0086][0087]
其中，荧光强度图像r(x，y)为量子点的激发光信息，即荧光强度的真实属性，照度图像l(x，y)为荧光的反射光与入射的蓝绿光产生的漫反射光信息，为图像的动态干扰信息。
[0088]
s2、图像照度估算，将荧光量子点免疫层析试纸条的数字图像沿试纸条纵向进行投影并采用基向量分解函数求解出照度图像；所述图像照度估算的过程为：
[0089]
s21、试纸条图像中光照强度沿硝酸纤维素膜纵向线性分布，故将图像沿纵向进行投影能够得到图像的亮度分布，其中，投影变换公式为
[0090][0091]
式中，proj(y)为投影向量，f(x，y)为原始的数字图像，w为f(x，y)的高度；
[0092]
s22、通过公式计算初始基线向量，式中，s为平滑步长，取s＝0.4*l(proj(y))，l(proj(y))为proj(y)的长度；
[0093]
s23、通过公式max_dis＝maximum(basel1(y)-proj(y))计算初始基线向量与投影向量的最大负距离，式中，maximum()为取最大值函数；
[0094]
s24、平移basel1(y)得到basel2(y)：
[0095]
basel2(y)＝basel1(y)-max_dis
[0096]
s25、令b表示basel1(y)到basel2(y)的计算过程，则：
[0097]
basel(y)＝itern(b)
[0098]
式中，itern()表示迭代计算函数，n为迭代次数，取n＝3，例如计算basel3(y)的时候，basel3(y)＝basel2(y)-max_dis，max_dis＝maximum(basel2(y)-proj(y))；
[0099]
s26、通过公式计算分解向量；
[0100]
s27、根据basel(y)对原始的数字图像f(x，y)进行分解，获得滤除了检测线和质控线的照度图像l(x，y)＝f(x，y)*pbd(y)。
[0101]
s3、信号增强，将数字图像分离为r、g、b三个通道图像，去除每个通道的照度图像，获得每个通道的荧光信号图像，对三个通道的荧光信号图像进行处理并融合得到增强的荧光强度图像；信号增强以后的试纸条图像如图3所示，图像增强以后相比增强前信号强度更高，检测线处都能够清晰的显示出一条红标记，灵敏度相比图像增强以前更高。所述信号增强的过程为：
[0102]
将原始的数字图像f(x，y)分离为r、g、b三个通道图像，分别将每一个通道图像输入到构建好的pbd函数，获得照明图lr(x，y)、lg(x，y)和lb(x，y)，其中，构建好的pbd函数运算过程是图像照度估算的运算过程；根据图像关系分析可得
[0103][0104]
双边取对数，可得
[0105][0106]rr
(x，y)、rg(x，y)和rb(x，y)分别为三个通道复原的信号图，将其从对数域转换到实数域得到rr(x，y)、rg(x，y)和rb(x，y)，然后融合得到增强的荧光强度图像r(x，y)。
[0107]
s4、强度计算，对增强的荧光强度图像进行投影，读取投影曲线的峰值，获取试纸条的质控线c线以及检测线t线的荧光强度值，根据t线预测样本的浓度；所述强度计算的过
程为：
[0108]
将还原得到的荧光强度图像r(x，y)也即增强的荧光强度图像r(x，y)沿着试纸条层析方向进行投影，得到投影曲线与投影向量p(i)，i为层析方向图像的长度坐标；
[0109]
求取投影向量p(i)的一阶导数p
′
(i)，提取p
′
(i)中两对“波峰-波谷”之间的零点i1和i2，提取对应的峰值p(i1)和p(i2)，将其中较大的值作为质控线c线的荧光强度值，较小的值作为检测线t线的荧光强度值；根据t线的荧光强度值对样本中病原微生物的浓度进行回归预测。
[0110]
本发明对试纸条的荧光强度图像增强前后的信号投影曲线对比如图4所示，图4中虚线是增强后的荧光强度图像，实线是原始的荧光强度图像。以增强后的荧光强度图像为例，对质控线c和检测线t的获取方式进行说明。首先，对图中虚线也即增强后的荧光强度图像进行求导，图4中打四角星的三个点将依次变成零点i
11
、零点i
12
、零点i
13
，统称零点i1，而零点i
11
、零点i
12
、零点i
13
之间将形成一对波峰波谷，同理，图4中打圆圈的三个点将依次变成零点i
21
、零点i
22
、零点i
23
，统称零点i2，而零点i
21
、零点i
22
、零点i
23
之间将形成另一对波峰波谷，这样在提取值p(i
11
)、p(i
12
)、p(i
13
)，三个值中最大的作为波峰p(i1)，提取值p(i
21
)、p(i
22
)、p(i
23
)，三个值中最大的作为另一个波峰p(i2)，p(i1)和p(i2)中较大的值作为质控线c线的荧光强度值，较小的值作为检测线t线的荧光强度值，例如图4中位于中间的打四角星的点对应的值为质控线c线的荧光强度值，位于中间的打圆圈的点对应的值为检测线t线的荧光强度值。
[0111]
通过以上技术方案，本发明通过对免疫层析试纸条的数字图像进行图像照度估算，快速分解出照度图像，然后将数字图像分离为r、g、b三个通道图像，去除每个通道的照度图像，获得每个通道的荧光信号图像，对其处理并融合得到增强的荧光强度图像，然后利用增强的荧光强度图像获取试纸条的质控线和检测线，由于对荧光强度图像进行了增强，对于低浓度样本也能够快速准确的检测量子点免疫层析信号的强度，灵敏度高。
[0112]
实施例2
[0113]
基于实施例1，本发明实施例2还提供一种对免疫层析弱信号高灵敏检测的图像增强系统，所述系统包括：
[0114]
图像照度估算模块，用于将荧光量子点免疫层析试纸条的数字图像沿试纸条纵向进行投影并采用基向量分解函数求解出照度图像；
[0115]
信号增强模块，用于将数字图像分离为r、g、b三个通道图像，去除每个通道的照度图像，获得每个通道的荧光信号图像，对三个通道的荧光信号图像进行处理并融合得到增强的荧光强度图像；
[0116]
强度计算模块，用于对增强的荧光强度图像进行投影，读取投影曲线的峰值，获取试纸条的质控线c线以及检测线t线的荧光强度值，根据t线预测样本的浓度。
[0117]
具体的，所述图像照度估算模块之前还包括图像关系分析模块，图像关系分析模块用于：
[0118]
采集荧光量子点免疫层析试纸条的数字图像，获取数字图像与照度图像及荧光信号图像的关系
[0119]
f(x，y)＝r(x，y)
·
l(x，y)
[0120]
变形得到
[0121][0122]
其中，荧光强度图像r(x，y)为量子点的激发光信息，即荧光强度的真实属性，照度图像l(x，y)为荧光的反射光与入射的蓝绿光产生的漫反射光信息，为图像的动态干扰信息。
[0123]
更具体的，所述图像照度估算模块，还用于：
[0124]
s21、试纸条图像中光照强度沿硝酸纤维素膜纵向线性分布，故将图像沿纵向进行投影能够得到图像的亮度分布，其中，投影变换公式为
[0125][0126]
式中，proj(y)为投影向量，f(x，y)为原始的数字图像，w为f(x，y)的高度；
[0127]
s22、通过公式计算初始基线向量，式中，s为平滑步长；
[0128]
s23、通过公式max_dis＝maximum(basel1(y)-proj(y))计算初始基线向量与投影向量的最大负距离，式中，maximum()为取最大值函数；
[0129]
s24、平移basel1(y)得到basel2(y)：
[0130]
basel2(y)＝basel1(y)-max_dis
[0131]
s25、令b表示basel1(y)到basel2(y)的计算过程，则：
[0132]
basel(y)＝itern(b)
[0133]
式中，itern()表示迭代计算函数，n为迭代次数；
[0134]
s26、通过公式计算分解向量；
[0135]
s27、根据basel(y)对原始的数字图像f(x，y)进行分解，获得滤除了检测线和质控线的照度图像l(x，y)＝f(x，y)*pbd(y)。
[0136]
更具体的，所述信号增强模块，还用于：
[0137]
将原始的数字图像f(x，y)分离为r、g、b三个通道图像，分别将每一个通道图像输入到构建好的pbd函数，获得照明图lr(x，y)、lg(x，y)和lb(x，y)，其中，构建好的pbd函数运算过程是图像照度估算的运算过程；根据图像关系分析可得
[0138][0139]
双边取对数，可得
[0140][0141][0142]rr
(x，y)、rg(x，y)和rb(x，y)分别为三个通道复原的信号图，将其从对数域转换到实数域得到rr(x，y)、rg(x，y)和rb(x，y)，然后融合得到增强的荧光强度图像r(x，y)。
[0143]
更具体的，所述强度计算模块，还用于：
[0144]
将还原得到的荧光强度图像r(x，y)沿着试纸条层析方向进行投影，得到投影曲线与投影向量p(i)，i为层析方向图像的长度坐标；
[0145]
求取投影向量p(i)的一阶导数p
′
(i)，提取p
′
(i)中两对“波峰-波谷”之间的零点i1和i2，提取对应的峰值p(i1)和p(i2)，将其中较大的值作为质控线c线的荧光强度值，较小的值作为检测线t线的荧光强度值；根据t线的荧光强度值对样本中病原微生物的浓度进行回归预测。
[0146]
实施例3
[0147]
基于实施例1，本发明实施例3还提供了一种电子处理设备，包括至少一个处理器和存储有至少一个执行程序的存储装置，当所述至少一个执行程序被所述至少一个处理器执行，所述至少一个处理器实现如下方法：
[0148]
图像照度估算，将荧光量子点免疫层析试纸条的数字图像沿试纸条纵向进行投影并采用基向量分解函数求解出照度图像；
[0149]
信号增强，将数字图像分离为r、g、b三个通道图像，去除每个通道的照度图像，获得每个通道的荧光信号图像，对三个通道的荧光信号图像进行处理并融合得到增强的荧光强度图像；
[0150]
强度计算，对增强的荧光强度图像进行投影，读取投影曲线的峰值，获取试纸条的质控线c线以及检测线t线的荧光强度值，根据t线预测样本的浓度。
[0151]
实施例4
[0152]
基于实施例1，本发明实施例4本发明还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时能够实现如下方法：
[0153]
图像照度估算，将荧光量子点免疫层析试纸条的数字图像沿试纸条纵向进行投影并采用基向量分解函数求解出照度图像；
[0154]
信号增强，将数字图像分离为r、g、b三个通道图像，去除每个通道的照度图像，获得每个通道的荧光信号图像，对三个通道的荧光信号图像进行处理并融合得到增强的荧光强度图像；
[0155]
强度计算，对增强的荧光强度图像进行投影，读取投影曲线的峰值，获取试纸条的质控线c线以及检测线t线的荧光强度值，根据t线预测样本的浓度。
[0156]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

技术特征：

1.一种对免疫层析弱信号高灵敏检测的图像增强方法，其特征在于，所述方法包括：图像照度估算，将荧光量子点免疫层析试纸条的数字图像沿试纸条纵向进行投影并采用基向量分解函数求解出照度图像；信号增强，将数字图像分离为r、g、b三个通道图像，去除每个通道的照度图像，获得每个通道的荧光信号图像，对三个通道的荧光信号图像进行处理并融合得到增强的荧光强度图像；强度计算，对增强的荧光强度图像进行投影，读取投影曲线的峰值，获取试纸条的质控线c线以及检测线t线的荧光强度值，根据t线预测样本的浓度。2.根据权利要求1所述的一种对免疫层析弱信号高灵敏检测的图像增强方法，其特征在于，所述图像照度估算之前还包括图像关系分析，图像关系分析过程为：采集荧光量子点免疫层析试纸条的数字图像，获取数字图像与照度图像及荧光信号图像的关系f(x，y)＝r9x，y)
·
l(x，y)变形得到其中，荧光强度图像r(x，y)为量子点的激发光信息，即荧光强度的真实属性，照度图像l(x，y)为荧光的反射光与入射的蓝绿光产生的漫反射光信息，为图像的动态干扰信息。3.根据权利要求2所述的一种对免疫层析弱信号高灵敏检测的图像增强方法，其特征在于，所述图像照度估算的过程为：s21、试纸条图像中光照强度沿硝酸纤维素膜纵向线性分布，故将图像沿纵向进行投影能够得到图像的亮度分布，其中，投影变换公式为式中，proj()为投影向量，f(x,y)为原始的数字图像，w为f(x,y)的高度；s22、通过公式计算初始基线向量，式中，s为平滑步长；s23、通过公式max_dis＝maximum(basel1(y)-proj(y))计算初始基线向量与投影向量的最大负距离，式中，maximum()为取最大值函数；s24、平移basel1()得到basel2()：basel2()＝basel1()-max_diss25、令b表示basel1()到basel2()的计算过程，则：basel(y)＝iter
n
(b)式中，iter
n
()表示迭代计算函数，n为迭代次数；s26、通过公式计算分解向量；s27、根据basel(y)对原始的数字图像f(x,y)进行分解，获得滤除了检测线和质控线的照度图像l(x,y)＝f(x,y)*pbd(y)。
4.根据权利要求3所述的一种对免疫层析弱信号高灵敏检测的图像增强方法，其特征在于，所述信号增强的过程为：将原始的数字图像f(x,y)分离为r、g、b三个通道图像，分别将每一个通道图像输入到构建好的pbd函数，获得照明图l
r
(x,y)、l
g
(x,y)和l
b
(x,y)，其中，构建好的pbd函数运算过程是图像照度估算的运算过程；根据图像关系分析可得双边取对数，可得r
r
(x,y)、r
g
(x,y)和r
b
(x,y)分别为三个通道复原的信号图，将其从对数域转换到实数域得到r
r
(x,y)、r
g
(x,y)和r
b
(x,y)，然后融合得到增强的荧光强度图像r(x,y)。5.根据权利要求4所述的一种对免疫层析弱信号高灵敏检测的图像增强方法，其特征在于，所述强度计算的过程为：将还原得到的荧光强度图像r(x,y)沿着试纸条层析方向进行投影，得到投影曲线与投影向量p(i)，i为层析方向图像的长度坐标；求取投影向量p(i)的一阶导数p
′
(i)，提取p
′
(i)中两对“波峰-波谷”之间的零点i1和i2，提取对应的峰值p(i1)和p(i2)，将其中较大的值作为质控线c线的荧光强度值，较小的值作为检测线t线的荧光强度值；根据t线的荧光强度值对样本中病原微生物的浓度进行回归预测。6.一种对免疫层析弱信号高灵敏检测的图像增强系统，其特征在于，所述系统包括：图像照度估算模块，用于将荧光量子点免疫层析试纸条的数字图像沿试纸条纵向进行投影并采用基向量分解函数求解出照度图像；信号增强模块，用于将数字图像分离为r、g、b三个通道图像，去除每个通道的照度图像，获得每个通道的荧光信号图像，对三个通道的荧光信号图像进行处理并融合得到增强的荧光强度图像；强度计算模块，用于对增强的荧光强度图像进行投影，读取投影曲线的峰值，获取试纸条的质控线c线以及检测线t线的荧光强度值，根据t线预测样本的浓度。7.根据权利要求6所述的一种对免疫层析弱信号高灵敏检测的图像增强系统，其特征在于，所述图像照度估算模块之前还包括图像关系分析模块，图像关系分析模块用于：采集荧光量子点免疫层析试纸条的数字图像，获取数字图像与照度图像及荧光信号图像的关系f(x，y)＝r9x，y)
·
l(x，y)变形得到
其中，荧光强度图像r(x，y)为量子点的激发光信息，即荧光强度的真实属性，照度图像l(x，y)为荧光的反射光与入射的蓝绿光产生的漫反射光信息，为图像的动态干扰信息。8.根据权利要求7所述的一种对免疫层析弱信号高灵敏检测的图像增强系统，其特征在于，所述图像照度估算模块，还用于：s21、试纸条图像中光照强度沿硝酸纤维素膜纵向线性分布，故将图像沿纵向进行投影能够得到图像的亮度分布，其中，投影变换公式为式中，proj()为投影向量，f(x,y)为原始的数字图像，w为f(x,y)的高度；s22、通过公式计算初始基线向量，式中，s为平滑步长；s23、通过公式max_dis＝maximum(basel1(y)-proj(y))计算初始基线向量与投影向量的最大负距离，式中，maximum()为取最大值函数；s24、平移basel1()得到basel2()：basel2()＝basel1()-max_diss25、令b表示basel1()到basel2()的计算过程，则：basel(y)＝iter
n
(b)式中，iter
n
()表示迭代计算函数，n为迭代次数；s26、通过公式计算分解向量；s27、根据basel(y)对原始的数字图像f(x,y)进行分解，获得滤除了检测线和质控线的照度图像l(x,y)＝f(x,y)*pbd(y)。9.根据权利要求8所述的一种对免疫层析弱信号高灵敏检测的图像增强系统，其特征在于，所述信号增强模块，还用于：将原始的数字图像f(x,y)分离为r、g、b三个通道图像，分别将每一个通道图像输入到构建好的pbd函数，获得照明图l
r
(x,y)、l
g
(x,y)和l
b
(x,y)，其中，构建好的pbd函数运算过程是图像照度估算的运算过程；根据图像关系分析可得双边取对数，可得r
r
(x,y)、r
g
(x,y)和r
b
(x,y)分别为三个通道复原的信号图，将其从对数域转换到实数域得到r
r
(x,y)、r
g
(x,y)和r
b
(x,y)，然后融合得到增强的荧光强度图像r(x,y)。10.根据权利要求9所述的一种对免疫层析弱信号高灵敏检测的图像增强系统，其特征在于，所述强度计算模块，还用于：
将还原得到的荧光强度图像r(x,y)沿着试纸条层析方向进行投影，得到投影曲线与投影向量p(i)，i为层析方向图像的长度坐标；求取投影向量p(i)的一阶导数p
′
(i)，提取p
′
(i)中两对“波峰-波谷”之间的零点i1和i2，提取对应的峰值p(i1)和p(i2)，将其中较大的值作为质控线c线的荧光强度值，较小的值作为检测线t线的荧光强度值；根据t线的荧光强度值对样本中病原微生物的浓度进行回归预测。

技术总结

本发明公开了一种对免疫层析弱信号高灵敏检测的图像增强方法及系统，所述方法包括：将荧光量子点免疫层析试纸条的数字图像沿试纸条纵向进行投影并采用基向量分解函数求解出照度图像；将数字图像分离为R、G、B三个通道图像，去除每个通道的照度图像，获得每个通道的荧光信号图像，对三个通道的荧光信号图像进行处理并融合得到增强的荧光强度图像；对增强的荧光强度图像进行投影，读取投影曲线的峰值，获取试纸条的质控线C线以及检测线T线的荧光强度值，根据T线预测样本的浓度；本发明的优点在于：对于量子点免疫层析信号强度的检测准确率和灵敏度高。确率和灵敏度高。确率和灵敏度高。